谈到数据治理，我很头疼。因为搞了这么多年报表审核，我深深知道银行的痛点在哪，数据质量一直都成问题，原因也能总结一大堆。无论是大行、股份制、城商行、农商行还是村镇银行，各有各的痛点。

2018年5月21日，银保监会发布《银行业金融机构数据治理指引》（银保监发〔2018〕22号），洋洋洒洒7章55条，看起来很美好，到具体落实时，发现每一条都是那么难。数据治理不像一条监管规则，能做或不能做，打打擦边球。也不像一个监管指标，要么完成，要么完不成，努努力调整调整业务结构也能完成。

现在银行要主动寻求转型，行领导最焦虑的就是2件事，一件是如何降低不良，另一件就是怎么搞科技金融，似乎不搞科技金融立马就竞争不过其他银行，反正晚做肯定死，早做晚点死，于是一窝蜂要接触“大”、“智”、“物”、“云”。也着实给一帮科技公司忽悠了不少。

为什么我们说数据治理难？

首先，这是一件伴随银行终身的事情。银行并不是没有做数据治理，从诞生之日就开始做，比如长短账日终要轧平。只是那时候用铁算盘做，现在是各种IT系统在帮忙，系统毕竟是工具，不可能建个系统一劳永逸，银行收集数据、生产数据、运用数据，再到挖掘数据，都离不开数据质量的把控。如果总有“畏难”情绪，可能永远也解决不了数据的“脏乱差”。

其次，这是一件得力不讨好的事情。和数据打交道的永远只有减分项，没有加分项。说官话一点就是激励不足，约束有余。领导再没想数据治理专职人员配了几个，发展业务时从来就觉得填报表的是冗余，领到罚单后，却不认真反思本行在数据治理方面投入了多少人力、精力和财力，反而责怪填报人员能力差、不用心。

再次，这是一件耗时费力的事情。数据治理从来只有进行时，没有完成时。它与银行数据量级、外部数据量级正相关，随着新技术、新标准的实施，每增加一个数据分析维度，增加一类字段，随着数据量的上升，花费的时间呈几何形式上升。

数据治理不好，会有哪些坏处？

首先，最直观的是报送监管数据质量堪忧。从2014年以来，监管部门陆陆续续开出200多张罚单，直指数据质量问题。原因则是多方面的。比如，未明确监管数据归口管理部门或授权不足，相关部门履职尽责不到位，相互之间扯皮。没有业务制度，对相关监管数据报送要求理解不到位，缺乏明确、清晰和符合业务实际的填报规则。质量控制不到位，监管数据存在迟报、漏报、错报和瞒报现象时有发生。

其次，现实中是数据运用困难。银行不差钱，花钱建个系统买点外部数据，但没有数据标准化建设流程，主数据、元数据没有厘清楚。就是有可靠模型跑出来数据也不理想。银行数据使用人员走上来就怀疑数据的准确性，拿着错误的数据必然得出错误的结论，这种心态反而导致不愿去挖掘数据，那岂会有好的数据运用结果。

再次，最坏的是对风险管理缺少前瞻性。现代全面风险管理离不开巴塞尔、COSO那套方法论，看似复杂却又感觉靠谱，毕竟这么多年发达银行都在遵守这套游戏规则。可如今，一些小行似乎还没起步，系统系统不行、数据数据不行、人员人员不行，想搞个贷款迁徙高级应用，流动性压力测试分析，内部资本充足评估连门都找不到，缺乏对风险的识别、判断和早期预警，拍脑袋决策则会离现代银行渐行渐远。

既然，数据治理难，要不要做？

以前，我们总认为数据质量差一点，应付应付监管也就行了。如今，银行面临的不完全是监管压力，而是同业之间竞争的压力。已经有很多大行、科技起家的民营银行跑在了前面，刀架在脖子上，不做不行。越是基础差的，越需要迎头赶上，靠资产规模弯道超车已被证伪。靠数据发展的银行却被证实。毕竟科学的理念和方法论才能活的更长久。

监管压力也挺大的，早期很多银行做过监管统计数据质量良好标准评估，当时是解决有没有的问题，做没做、做的怎么样其实大家心里都有数。这个不是做完就交差了，每年应该对照评估表发现差距和问题，缩短差距，解决问题。

那么，既然要做，怎么做？

数据治理是讲究匹配性原则的，小银行和大银行数据治理的要求和成效自然不同，但不能因为小就不去做，麻雀虽小五脏俱全，该报的1104报表一张也不得少。

数据治理一开始就是补缺补差，一些面上工程该有的还得有。比如，指引中提到数据治理架构，明确董监高的职责，这点不难吧。不过谈到数据战略，其实是有点难度的，战略分为长期战略和短期战略，长期战略这玩意毕竟是随时修订的，咨询公司那些虚头巴脑的可以参考，短期战略我觉得最核心的就是提升监管统计数据质量，报给监管的数据真实可信，监管不会说你没战略的。

真要把数据报准确，其实真的挺不容易。涉及到明确归口管理和业务部门职责、管理制度和业务制度建设、统计系统和业务系统完善、统计人员乃至全行人员的培训等等。总之，如果把监管报送真心当做“面子”工程做一定能做好，每年能在监管那里拿到奖就是最高荣誉，一家银行数据质量直接映射其内控管理质量，这点我深信不疑。

制定的制度要能落地，不能落地的都是假大空，搞一堆文档应付监管是没用的！越是复杂的制度落地越难，需要行领导的大力支持，这种支持应该是真支持，而不是口头上支持，到花钱招兵买马、请咨询顾问、外包系统、人员培训的时候“经费不足，再议”。

在实践中，我们也意识到，数据治理不可能一蹴而就，好的方法论会起到事半功倍的效果，但无论如何，千里之行始于足下，数据治理工作必须脚踏实地。